Výpočet více rolling příznaků najednou
Teď, když máš za sebou základní feature engineering, pojďme se posunout k něčemu složitějšímu. Vypočítáš sadu příznaků pro data časové řady a vizualizuješ, jak se vyvíjejí v čase. Tento postup připomíná fungování mnoha dalších modelů pro časové řady.
Toto cvičení je součástí kurzu
Machine Learning pro data časových řad v Pythonu
Pokyny k cvičení
- Definuj seznam čtyř příznaků, které budeš počítat: minimum, maximum, průměr a směrodatnou odchylku (v tomto pořadí).
- Pomocí klouzavého okna (
prices_perc_rolling), které jsme pro tebe připravili, vypočítej příznaky zfeatures_to_calculate. - Výsledky zobrazí v čase spolu s původní časovou řadou pomocí připraveného kódu.
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
# Define a rolling window with Pandas, excluding the right-most datapoint of the window
prices_perc_rolling = prices_perc.rolling(20, min_periods=5, closed='right')
# Define the features you'll calculate for each window
features_to_calculate = [np.min, ____, ____, ____]
# Calculate these features for your rolling window object
features = prices_perc_rolling.____(features_to_calculate)
# Plot the results
ax = features.loc[:"2011-01"].plot()
prices_perc.loc[:"2011-01"].plot(ax=ax, color='k', alpha=.2, lw=3)
ax.legend(loc=(1.01, .6))
plt.show()